2021, Vol. 45
表1(Table 1)
油藻混合水体遥感反射比光谱分析
文章信息
- 骆蔚健, 黄妙芬, 杨俊杰, 王欣. 2021.
- LUO Wei-jian, HUANG Miao-fen, YANG Jun-jie, WANG Xin. 2021.
- 油藻混合水体遥感反射比光谱分析
- Remote sensing reflectance spectral analysis of oil and algae mixed water
- 海洋科学, 45(10): 49-60
- Marine Sciences, 45(10): 49-60.
- http://dx.doi.org/10.11759/hykx20201030002
-
文章历史
- 收稿日期：2020-10-30
- 修回日期：2021-02-12
引用本文
骆蔚健, 黄妙芬, 杨俊杰, 王欣. 2021. 油藻混合水体遥感反射比光谱分析[J]. 海洋科学, 45(10): 49-60.
LUO Wei-jian, HUANG Miao-fen, YANG Jun-jie, WANG Xin. 2021. Remote sensing reflectance spectral analysis of oil and algae mixed water[J]. Marine Sciences, 45(10): 49-60.
油藻混合水体遥感反射比光谱分析
1. 广东海洋大学海洋与气象学院, 广东 湛江 524088;
2. 广东海洋大学数学与计算机学院, 广东 湛江 524088;
3. 广东海洋大学电子与信息工程学院, 广东 湛江 524088
2. 广东海洋大学数学与计算机学院, 广东 湛江 524088;
3. 广东海洋大学电子与信息工程学院, 广东 湛江 524088
摘要：辐射传输模式HydroLight是研究水体辐射传输特性的有效工具，同时也是进行石油类水体辐射传输特性的有效模型。本文基于2018年8月在辽宁大连港海域实测的石油类污染水体的表观及固有光学量数据，通过设置不同浓度的配比模拟试验，利用HydroLight对油类物质和藻类物质的单一组分和两者混合水体的遥感反射比(remote sensing reflectance，Rrs)光谱进行了模拟。模拟结果表明：(1)在仅含油类物质单一组分的水体中，Rrs随着油浓度Coil的变化分为两个特征波段：400~480 nm和480~700 nm。在400~480 nm波段范围内Rrs随Coil的增加而减小，在480~700 nm随Coil的增大而增大；(2)在仅含藻类物质的单一成分水体中，叶绿素的光谱特性需要其浓度Cchl达到一定值才能表现出来，在低Cchl时的Rrs光谱特性反映为纯水的光谱特性；(3)在油藻混合水体中，随Coil的增加会增大叶绿素的Rrs，但不会明显改变叶绿素的Rrs随波长的变化趋势，这说明油藻混合水体的光谱形状主要受叶绿素的影响，油类物质的存在只改变光谱的量值。利用HydroLight对石油类污染水体的Rrs展开研究，有助于丰富水色遥感基础研究，对完善各类水体生物光学模型研究具有重要的理论意义。
关键词：遥感反射比 HydroLight 油类物质 叶绿素
Remote sensing reflectance spectral analysis of oil and algae mixed water
1. College of Oceanography and Meteorology, Guangdong Ocean University, Zhanjiang 524088, Guangdong, China;
2. Faculty of Mathematics and Computer Science, Guangdong Ocean University, Zhanjiang 524088, Guangdong, China;
3. College of Electronic and Information Engineering, Guangdong Ocean University, Zhanjiang 524088, Guangdong, China
2. Faculty of Mathematics and Computer Science, Guangdong Ocean University, Zhanjiang 524088, Guangdong, China;
3. College of Electronic and Information Engineering, Guangdong Ocean University, Zhanjiang 524088, Guangdong, China
Abstract: The radiation transfer model HydroLight is an effective tool to study the radiation transfer characteristics of water body, and it is also an effective model to study the radiation transfer characteristics of petroleum water body. Based on the apparent and inherent optical data of oil-contaminated water bodies measured in the sea area of Dalian Port, Liaoning, in August 2018, we employ the radiation transfer model HydroLight to simulate the remote sensing reflectance (Rrs) of the single component and mixed water of oil and algae by the method of different concentrations of proportioning. The results show that: (1) In a water body containing only oil, Rrs can be divided into two characteristic bands: 400-480 nm and 480-700 nm: in the range of 400-480 nm, it decreases with the increasing oil concentration Coil, while in the range of 480-700 nm, it increases; (2) In single-component water containing only algae, the spectral characteristics of chlorophyll require its concentration Cchl to reach a certain value to show up; (3) In mixed water body including oil and algae, the increase of Coil will increase Rrs of chlorophyll, but it will not alter the trend of the Rrs of chlorophyll with wavelength. This demonstrates that chlorophyll has a major influence on the spectral shape of oil algae mixed water, while the presence of oil only modifies the spectral value. The use of HydroLight in researching the Rrs of oil-contaminated water contributes to ocean color remote sensing research. It has substantial theoretical significance for improving the bio-optical model of various water bodies.
Key words:
remote sensing reflectance HydroLight oil chlorophyll
由于水体石油类污染问题会给近海生态环境和渔业生产带来巨大灾难性的后果, 因而对水体(河流、湖泊、海洋)油污染检测是目前水环境监测的热点问题。遥感监测技术因其大面积、快速、动态和低成本的优势, 成为检测石油类污染的重要手段之一。在水色遥感领域, 遥感反射比(remote sensing reflectance, Rrs)属于表观光学量, 它包含一定深度内水层的光学信息, 因而成为反演水体组分浓度的基本物理量。目前以机理分析为基础, 反演Ⅱ类水体各水色因子的生物-光学遥感模型也较为成熟, 该模型的核心思想是基于Rrs与水体组分之间的吸收特性和散射特性的相互关系建立的。因而要提高相应模型的反演精度, 需确定各组分对Rrs的贡献。
在石油类污染水体中, 利用遥感技术来提取水体石油类污染信息的相关研究已经取得了长足的进展, 主要集中在水体石油类物质固有光学特性(inherent optical properties, IOPs)、表观光学特征(apparent optical properties, AOPs)和荧光特性等方面[1-5], 并分别建立了基于这些特性反演水体石油类含量的遥感反演模型[4, 6]。由于悬浮物质会吸附油类物质, 黄妙芬等[7]对油和石英砂混合水体各组分对后向散射系数的贡献分离算法展开了研究, 提出了分离算法, 为油类物质和颗粒物后向散射系数分离提供技术支持。掌握油类物质在含油水体中对Rrs的影响, 有助于提高遥感反演油类物质浓度模型的精度, 对于构建精度较高的反演含油水体组分的生物光学模型和推进含油水体的相关研究具有重要作用。如今关于水色三要素(叶绿素、悬浮泥沙和黄色物质)的研究均取得了丰硕的成果, 对于叶绿素光谱, GITELSON[8]的研究表明含藻类水体Rrs最显著的光谱特征是在680~715 nm出现反射峰, 其位置从680 nm开始, 在700 nm附近峰值达到最高, 峰值高度与叶绿素浓度密切相关。但是, 目前关于石油类物质与水体组分混合后对Rrs的影响和贡献的研究还鲜见报道。
辐射传输模式HydroLight是国际公认的研究水体中辐射传输过程的有效工具, 广泛应用于国际水色遥感领域, 侧重于Rrs和水下光场模拟以及对遥感反演算法评估等[9-11]。已有的分析表明, HydroLight是进行石油类污染水体辐射传输特性的研究的有效模型, 但要将HydroLight应用于石油类污染水体的辐射传输特性的研究, 需要知道水体组分的IOPs随波长和深度的参数化模型, 如吸收系数, 散射系数和散射相函数[12], 以及外界环境参数(风速、底部介质等)。目前对Ⅱ类水体的水色因子(叶绿素、悬浮物、黄色物质等)的分布、吸收系数和后向散射系数的研究比较成熟, 并形成了众多的参数化模型[13-14], 为石油类物质与各水色因子混合后对Rrs的影响和贡献的模拟奠定了基础。
本文基于在辽宁大连港现场测定的油含量、吸收系数和后向散射系数等实测水体数据, 结合HydroLight提供的部分参数, 进行油类物质和叶绿素单一组分和混合组分的Rrs光谱模拟, 从理论上探究含油水体对Rrs光谱变化的影响, 为提高遥感反演石油类浓度模型的精度以及开展石油类污染水体水下光场变化特征研究提供参考依据。
1 方法 1.1 试验区与观察时间本文选择大连港作为研究区域, 在该海域3个站点(A、B、C)进行了观测, 站点分布如图 1所示。A站点曾发生石油输油管爆炸事件, 有原油的残留。B站点原油泊位东侧, 受到一定程度石油类物质污染[15]。C站点受油类污染较小。测量时间为2018年8月25日—27日, 每天7: 00开始、17: 00结束, 整点观测, 每隔1 h观测1次, 时间序号分别为1~11, 样品编号采用站点编号加观测时间编号的方式, 例如A1为A站点在7: 00进行测管的样品, B6为B站点在12: 00进行观测的样品。
 |
| 图 1 站点分布图 Fig. 1 Station distribution |
油浓度的测量采用美国特纳的TD-500D荧光测油仪。该设备的测定原理与分子荧光光度法(《SL366- 2006水质石油类的测定分子荧光光度法》[16]相同, 首先使用正己烷将样品中的油类物质萃取出来, 其次使用特定波长的紫外光照射萃取后的油类物质, 使其释放出荧光, 最后根据荧光强度和油浓度在一定范围内接近线性关系计算出油浓度。
1.2.2 遥感反射比Rrs的测量遥感反射比Rrs的测量运用的是水面以上测量法[17], 参考板为反射率约为30%的灰板, 采用的测量仪器为美国ASD公司生产的可见光-近红外地物光谱仪(ASD-FieldSoec 3 350 nm~2 500 nm)。
1.2.3 油类物质吸收系数测量黄妙芬等[18]将油质量浓度小于0.1 mg/L的样品作为无石油类污染水体, 对它们的黄色物质吸收系数求算术平均值, 作为本底值, 然后用油质量浓度大于1.0 mg/L水样的黄色物质吸收系数减去本底值, 作为油类物质的吸收系数。作者采用该处理方式, 测量仪器选择日本日立UV-3900紫外-可见光分光光度计, 测量时波长设置为400~700 nm, 在样品的制备、测量和分析过程都遵循NASA水色要素测量规范。分别测量无油水样和有油水样的吸收系数, 然后将无油水样作为本底值, 用有油水样的吸收系数减去无油水样的吸收系数, 从而得到油类物质的吸收系数。
1.2.4 水体后向散射系数测量后向散射系数的测量采用美国HOBI labs的HydroScat-6(HS-6)仪器, 测量方法按照《海洋光学调查技术规程》[19]进行。为降低海水温度和气泡对仪器测量结果的影响, 将仪器浸没水中后, 静置2 min再布放, 然后将HS-6测量的数据取表层(0~0.5 m)的平均值作为后向散射系数。
1.2.5 油类物质的比吸收系数和比散射系数的计算油类物质吸收系数a可以通过比吸收系数a*与油浓度Coil计算得到[20], 关系如下:
| $ a=a^{*} \times C_{\text {oil }}, $ | (1) |
式中, a为吸收系数(m-1), a*为比吸收系数(Specific absorption coefficient)(L·mg-1·m-1), Coil为油质量浓度(mg/L)。根据公式(1), 可以计算出a*。
宋庆君等[21]提出的石油类单位后向散射系数(mass-specific backscattering coefficient)与石油类物质浓度之间的拟合关系, 见公式(2)。根据公式(2)求出石油类物质特定波长上的比散射系数(Specific scattering coefficient), 接着对其进行线性插值, 插值范围为400~700 nm。
| $ {b}_{\rm{b}, \rm{o}}^{\rm{*}}=A\times \rm{ }{C}_{\rm{oil}}^{\rm{B}}, $ | (2) |
其中, A、B为拟合系数, 具体取值参见表 1;
本文选择辐射传输模式HydroLight 5.3所提供的“A User Defined Model”的功能, 该功能可实现对单一水体组分和混合水体的Rrs进行模拟。在本研究中水体组分主要包括纯水、油类物质和叶绿素。在进行模拟之前需要输入水体相关组分的浓度、吸收系数、散射系数和相函数, 以及外界条件等参数。
图 2和表 2分别为2018年8月25日~27日在大连港实测的Coil随深度的变化和3个站点Coil的统计信息, 分析可见, Coil的范围在0.20~7.80 mg/L, 考虑到自然界多数量级的变化是按照指数规律, 故在配比时, Coil的取值设置为0.1、0.2、0.3、0.5、1.0、1.5、2.0、3.0、5.0、10.0。在HydroLight中, 基于比吸收系数(比散射系数)为常数的假设, 利用已知的比吸收系数(比散射系数)和水体组分浓度来求解出相应组分的吸收系数(散射系数)是获取组分吸收系数(散射系数)的方法之一[22]。对于油类物质的比吸收系数和比散射系数的设置, 由于不同站点在不同时刻上两者变化较大, 如表 3所示。因此, 作者以A10站点测量的最大比吸收系数和比散射系数作为油物质的比吸收系数和比散射系数, 即0.019 1和0.147 3 (L·mg-1·m-1)。而油类物质相函数则选择HydroLight提供的典型颗粒相函数, 该函数适合大部分辐射传输运算, 是MOBLEY[23]根据PETZOLD[24]数据, 提出一种取bb/b=0.018 3通过代入Fournier and Forand (FF)体散射函数求解得到随波长和深度变化的颗粒体散射函数。
 |
| 图 2 不同站点油类物质浓度随深度的变化曲线 Fig. 2 Variation curve of oil concentration with depth at different stations |
表 2 不同站点油浓度观测值的统计(单位：mg·L-1) Tab. 2 Statistics of oil concentration at different sites
| 站点 | 最大值 | 最小值 | 平均值 |
| A | 3.83 | 1.10 | 2.310 |
| B | 7.80 | 2.08 | 4.678 |
| C | 7.80 | 0.20 | 2.372 |
表 3 各站点油物质的比吸收系数与比后向散射系数统计(单位：L·mg-1·m-1) Tab. 3 Statistics of specific absorption coefficient and specific backscattering coefficient of oil substance at each station
| 站点 | 比吸收系数 | 比后向散射系数 | |||||||
| 最大值 | 最小值 | 平均值 | 标准差 | 最大值 | 最小值 | 平均值 | 标准差 | ||
| A2 | 0.027 7 | 0.000 4 | 0.006 6 | 0.007 1 | 0.253 1 | 0.134 9 | 0.176 4 | 0.030 2 | |
| A4 | 0.006 4 | 0.000 1 | 0.001 5 | 0.001 6 | 0.444 7 | 0.235 1 | 0.309 9 | 0.053 1 | |
| A6 | 0.018 0 | 0.000 3 | 0.004 3 | 0.004 6 | 0.194 1 | 0.103 8 | 0.135 2 | 0.023 2 | |
| A8 | 0.007 8 | 0.000 1 | 0.001 9 | 0.002 0 | 0.233 8 | 0.124 8 | 0.162 9 | 0.027 9 | |
| A10 | 0.019 1 | 0.000 3 | 0.0046 | 0.004 9 | 0.147 3 | 0.079 1 | 0.102 6 | 0.017 6 | |
| B2 | 0.009 9 | 0.000 2 | 0.002 4 | 0.002 6 | 0.090 2 | 0.048 8 | 0.062 9 | 0.010 8 | |
| B4 | 0.017 6 | 0.000 3 | 0.004 2 | 0.004 5 | 0.142 6 | 0.076 7 | 0.099 4 | 0.017 0 | |
| B6 | 0.019 3 | 0.000 3 | 0.004 6 | 0.005 0 | 0.085 1 | 0.046 1 | 0.059 3 | 0.010 2 | |
| B8 | 0.011 0 | 0.000 2 | 0.002 6 | 0.002 8 | 0.043 0 | 0.023 5 | 0.030 0 | 0.005 2 | |
| B10 | 0.012 9 | 0.000 2 | 0.003 1 | 0.003 3 | 0.063 6 | 0.034 6 | 0.044 3 | 0.007 6 | |
| C2 | 0.006 4 | 0.000 1 | 0.001 5 | 0.001 7 | 0.083 9 | 0.045 5 | 0.058 5 | 0.010 0 | |
| C4 | 0.016 6 | 0.000 3 | 0.004 0 | 0.004 3 | 0.097 4 | 0.052 6 | 0.067 9 | 0.011 6 | |
| C6 | 0.010 8 | 0.000 2 | 0.002 6 | 0.002 8 | 0.042 6 | 0.023 3 | 0.029 7 | 0.005 1 | |
| C8 | 0.028 5 | 0.000 5 | 0.006 8 | 0.007 3 | 2.079 2 | 1.074 0 | 1.448 5 | 0.248 8 | |
| C10 | 0.100 0 | 0.001 6 | 0.023 9 | 0.025 7 | 5.149 9 | 2.624 5 | 3.587 8 | 0.618 3 | |
对于叶绿素的IOPs设置参考文献[25], 比吸收系数和比散射系数见图 3, 叶绿素浓度Cchl设置同Coil。另外模拟深度设为无限深, 具体情况见表 4。
 |
| 图 3 叶绿素组分比吸收系数a*和比散射系数b* Fig. 3 Specific absorption coefficient and specific scattering coefficient of chlorophyll components |
表 4 HydroLight模拟油藻混合水体遥感反射比参数输入 Tab. 4 HydroLight simulated oil-algae mixed water body remote sensing reflectance parameter input
| 水体组分 | 纯水 | 吸收系数 散射相函数 |
文献[26] * pureh2o.dpf(纯水相函数)* |
| 油类物质 | 比吸收系数/(L·mg-1·m-1) | 0.019 1 | |
| 比散射系数/(L·mg-1·m-1) | 0.147 3 | ||
| bb/b | avgpart.dpf(典型颗粒相函数)* | ||
| Coil/(mg·L-1) | 0.1、0.2、0.3、0.5、1.0、1.5、2.0、3.0、5.0、10.0 | ||
| 叶绿素 | 比吸收系数/ (m2·mg-1) | 图 3 | |
| 比散射系数/ (m2·mg-1) | |||
| bb/b | 0.005 | ||
| Cchl/(mg·m-3) | 0.1、0.2、0.3、0.5、1.0、1.5、2.0、3.0、5.0、10.0 | ||
| 外界情况 | 天空状况 | 天顶角 | 30° |
| 云量 | 0 | ||
| 风速/(m·s-1) | 0 | ||
| 底部状况 | 水深/m | 无限深 | |
| * 辐射传输模式HydroLight中自带的数据 | |||
图 4为纯油水体模拟的Rrs。由图 4可知, 纯油水体的光谱特征大致可以分为400~480 nm、480~ 700 nm两个特征段。在400~480 nm段, Rrs的大小随波长λ的增加而减少, 也随油类物质浓度Coil的增加而减少, 且Rrs的差异性逐渐减少, 而Rrs随后向散射系数的增大而增大, 随吸收系数的增大而减少, 由于前期Coil较低, 主要受纯水的影响, 随着Coil的增加, 油类物质的吸收特性逐渐体现。而480~700 nm段, Rrs随λ的增加而减少, 但随Coil增大而增大, 由于纯水在该波段里具有强吸收, 故在此波段范围, 油的散射特性随Coil的增加逐渐体现。
 |
| 图 4 纯油水体Rrs的模拟 Fig. 4 Rrs simulation of pure oil water body |
叶绿素水体的Rrs模拟由于叶绿素水体Rrs模拟结果在量级上存在差异, 为了更好地描述叶绿素的光谱图, 分为低叶绿素浓度Cchl(≤1.0 mg/m3)和高Cchl(> 1.0 mg/m3)的Rrs光谱, 如图 5a和b所示。图 5a表明低Cchl的Rrs光谱特性反映为纯水的光谱特性, 叶绿素的光谱特性需要一定浓度才能表现出来。由图 5b可知, 在高Cchl下, 由于受叶绿素在紫蓝波段的强吸收影响, 使得光谱在440 nm和675 nm波长附近存在谷值; 在510~610 nm波长范围存在反射峰, 并随着浓度升高峰值逐渐增大, 这是由叶绿素的弱吸收所引起的; 在675 nm波长之后, 由叶绿素荧光特性所致第二反射峰不太明显, 这是由于叶绿素浓度设置较低所致。
 |
| 图 5 叶绿素水体Rrs的模拟 Fig. 5 Rrs simulation of chlorophyll water |
为了弄清叶绿素和油类物质两者在混合水体中对Rrs的影响, 分别模拟了混合水体Rrs随叶绿素和油类物质浓度的变化曲线。
图 6为Coil一定和低Cchl情况下, Rrs随Cchl的变化的曲线图。图 6a和6b表明, 随Cchl的增大, 即使Coil较大时, Rrs光谱形状特性逐渐反映为叶绿素的光谱特性。由于低Cchl下, 水体光谱特性并不体现为叶绿素的光谱特性, 叶绿素的光谱特性要在一定Cchl才能表现出来, 故以下分析均在Cchl > 1.0 mg/m3下进行分析。
 |
| 图 6 油浓度固定, 在低叶绿素下, 水体Rrs随叶绿素浓度的变化 Fig. 6 Variation of Rrs with chlorophyll concentration when concentration of oil is fixed |
图 7为特定Coil下, 油藻混合水体的Rrs(实线)与纯藻水体Rrs(虚线)的比较图, 结果表明, 油类物质的存在, 只增大了叶绿素的Rrs量值, 并不改变其随波长的变化。另外, 油类物质浓度Coil对叶绿素Rrs光谱的影响主要体现在叶绿素的峰值区(500~ 600 nm)与荧光区(670~700 nm), 纯藻水体Rrs随Cchl的增大而增大, 而混合水体Rrs的量值随Cchl的增大而下降。这是由于油类物质的“阻碍”作用, 削弱了诱发叶绿素发生反射和荧光的能量, 使得叶绿素的反射峰值与荧光峰值随Cchl的增大而减少, 但不影响叶绿素的光谱形状。
 |
| 图 7 油浓度一定下, 油藻混合水体Rrs光谱与纯藻水体的比较 Fig. 7 Comparison of Rrs spectrum of oil-algae mixed water with pure algae water at a certain oil concentration |
图 8为Cchl分别为5.0 mg/m3和10.0 mg/m3情况下Rrs随Coil的变化图。图 8a和8b的结果表明: 随Coil增大, Rrs逐渐增大但随波长λ的变化趋势没有明显改变, 即Cchl对水体Rrs光谱形状的影响是强于Coil的影响。综上, 油类物质的存在, 改变了油藻混合水体的光谱量值, 但对光谱形状影响甚小, 即油藻混合水体的光谱形状主要受叶绿素的影响。
 |
| 图 8 叶绿素浓度一定下, 油藻混合水体的Rrs随油浓度的变化 Fig. 8 Variation of Rrs of oil-algae mixed water with oil concentration under constant chlorophyll concentration |
对A、B和C站点相应实测的Rrs光谱进行线性插值和平滑(移动平均法)处理后, 结果如图 9所示。分析图 9可知, Rrs光谱普遍存在2个峰值, 前锋大于后峰, 并且前峰值区位于570 nm附近, 后峰峰值区位于680 nm附近。A站点的Rrs在400~570 nm波长范围内随波长的增大而增大, 而B和C站点在该范围内除了随波长增大Rrs增大的趋势外, 还存在光谱值在波长400~440 nm先减少在波长440~570 nm再增大的趋势, 如B2、C4的光谱曲线。
 |
| 图 9 各站点实测Rrs Fig. 9 Measured Rrs of each station |
本文模拟的Rrs随波长的变化趋势类似于B, C站点的Rrs随波长的变化趋势, 在光谱形状上具有一定的相似性, 但与实测光谱的差异主要体现在: (1) 模拟光谱第二峰不明显。由上述的分析可知, 该峰主要受叶绿素荧光的影响, 可能是由于叶绿素组分浓度设置较小所致; (2) 光谱量值上的不同。实测光谱测量的Rrs是主要由叶绿素, 黄色物质和悬浮泥沙的贡献, 在含油水体中还包括油物质的贡献。而本模拟仅考虑油与叶绿素两组分, 并且外部条件理想的情况下的混合光谱。实测光谱的测量环境较模拟要复杂, 太阳的方位与云的覆盖、风速、潮流和生物降解等变化会使得水下光场发生动态改变。另外, RUDŹ等[27]认为辐射传输理论能很好地评价油物质对Rrs的贡献和模拟的准确性与散射相函数的选择有强相关性。
2.5 油藻光谱特征对水色遥感算法的影响分析在水色遥感中, 遥感反射比Rrs, 定义为Lw与Ed的比值, 其表达式为,
| ${R_{{\rm{rs}}}} = \frac{{{L_w}}}{{{E_d}}}, $ | (3) |
式中, Ed为太阳在水表面的下行辐照度(W·m-2·nm-1), Lw为离水辐射(water-leaving radiance)(W·m-2·nm-1·sr-1), 是指经水/气(water-air)界面反射和透射后的辐射能。水体中的各个重要光学成分浓度发生变化时, 必然引起水体光学性质的变化, 主要表现为水体的吸收和散射信号的变化, 综合起来看, 即是Rrs的变化。通过卫星传感器接受信号的变化, 可以反演得到水体中的各个光学重要成分, 即水体中的浮游植物、悬浮泥沙、黄色物质以及其他物质的含量。
另外, 在水色遥感中, Rrs是将表观光学量与固有光学量连接起来的一个桥梁, 见式(4), 可将Rrs与水体的总吸收系数a和总的后向散射系数bb联系起来, 从而得到反演水体石油类污染的生物-光学模型,
| ${R_{rs}} = \frac{{ft}}{{Q{n^2}}}\frac{a}{{a + {b_b}}}, $ | (4) |
其中, f为经验参数约为0.32~0.33, Q和f都是太阳天顶角的函数, t为水气界面的投射系数, n是水的折射指数。
在含油水体中, 水体的主要组分主要包括石油类污染、悬浮物和叶绿素, 遥感得到的Rrs是这些要素共同贡献的结果。我们的研究目标是寻找石油类污染的遥感探测特征。在这种情况下, 显然悬浮物和叶绿素对光谱曲线的影响成为一种噪声, 所以我们首先要了解清楚仅含油水体的波谱特征以及叠加了油物质后, 叶绿素和悬浮物对水体波谱曲线的影响, 然后才能确定石油类污染的水体光谱特征。由于篇幅所限, 本文仅讨论了油藻混合的情况。根据“2.3油藻混合水体Rrs模拟”小节模拟结果, 发现在油藻混合水体中, 水体的光谱形状主要受叶绿素的影响, 油类物质的存在只改变光谱的量值。这表明藻类作为一种颗粒物, 油类物质会吸附在其上, 共同影响遥感反射比。同时, 由于油类物质的存在只改变了混合水体的Rrs的量值, 这表明在利用半分析模型反演水体组分浓度时, 直接把油类物质作为一个水色要素进行反演是可行的。
3 结语本文基于大连港实测数据分离出油类物质的浓度和固有光学参数, 通过辐射传输模式HydroLight模拟出油类物质, 叶绿素和混合组分的水体Rrs光谱进行理论分析。模拟结果表明: (1) 在纯油水体中, Rrs随波长增加而下降, 随油浓度的变化有两个特征波段: 在400~480 nm波长范围中, 随油浓度的增加而减少, 在480~700 nm处, 反而随油浓度的增加而增加; (2) 纯叶绿素水体中, 叶绿素的光谱特征需要在一定叶绿素浓度下才显现, 在低叶绿素浓度下水体光谱反映为纯水的光谱特征; (3) 在油和藻混合水体中, 油类物质的存在使得叶绿素的Rrs的增强, 但不改变Rrs随波长的变化趋势, 这说明混合水体光谱形状主要受叶绿素的影响, 油类物质对光谱形状的影响较小。
本文所得结论是在理想情况和固定相关参数下进行的, 模拟的光谱形状与实测光谱形状具有一定的相似性, 但也有所差异, 主要体现在: (1) 模拟仅涉及叶绿素与油物质, 但实测光谱水体成分和外部条件复杂; (2) 风速与潮流对油类物质固有光学的测量有一定的影响; (3) 对于油类物质的比吸收系数和比散射系数的计算使用的是经验算法并采用固定值, 其适用性以及精确度需要更多数据来验证。本文对光谱曲线模拟的结果在一定程度上解释了油类物质对水遥感反射比的影响, 但仍需要更多油类物质的固有光学特性参数数据进行模拟验证, 这是下一步研究的重点。
参考文献
| [1] |
邢旭峰, 王忠林, 黄妙芬, 等. 石油污染水体油浓度及后向散射系数垂向变化特性分析[J]. 广东海洋大学学报, 2020, 40(4): 75-81. XING Xufeng, WANG Zhonglin, HUANG Miaofen, et al. Vertical variation characteristics of petroleum concentration and backscattering coefficient in petroleum-polluted water body[J]. Journal of Guangdong Ocean University, 2020, 40(4): 75-81. DOI:10.3969/j.issn.1673-9159.2020.04.011 |
| [2] |
黄妙芬, 庄炀, 刘杨, 等. 大连港海域石油类物质比吸收系数特征分析[J]. 海洋湖沼通报, 2020(3): 141-149. HUANG Miaofen, ZHUANG Yang, LIU Yang, et al. Analysis on Characteristics of specific absorption coefficient of petroleum-polluted water in Dalian port[J]. Transactions of Oceanology and Limnology, 2020(3): 141-149. |
| [3] |
HUANG M F, XING X F, SONG Q J, et al. A new algorithm of retrieving a petroleum substances absorption coefficient in sea water based on a remote sensing image[J]. Acta Oceanologica Sinica, 2016, 35(11): 97-104. DOI:10.1007/s13131-016-0952-4 |
| [4] |
黄妙芬, 宋庆君, 陈利搏, 等. 基于归一化遥感反射比反演水中石油含量模式研究[J]. 海洋技术学报, 2015, 34(1): 1-9. HUANG Miaofen, SONG Qingjun, CHEN Libo, et al. Research on an inverse model of petroleum content in water bodies based on the normalized remote sensing reflectance[J]. Journal of Ocean Technology, 2015, 34(1): 1-9. |
| [5] |
黄妙芬, 宋庆君, 邢旭峰, 等. 石油污染水体荧光图谱特征分析[J]. 光谱学与光谱分析, 2014, 34(9): 2466-2471. HUANG Miaofen, SONG Qingjun, XING Xufeng, et al. Analysis of fluorescence spectrum of petroleum-polluted water[J]. Spectroscopy and Spectral Analysis, 2014, 34(9): 2466-2471. DOI:10.3964/j.issn.1000-0593(2014)09-2466-06 |
| [6] |
HUANG M F, SONG Q J, XING X F, et al. A biooptical model of retrieving petroleum concentration in seawater[J]. Acta Oceanologica Sinica, 2014, 33(5): 81-85. DOI:10.1007/s13131-014-0478-6 |
| [7] |
黄妙芬, 邢旭峰, 宋庆君, 等. 油砂混合水体后向散射系数光谱贡献分离算法I: 实验理论[J]. 光谱学与光谱分析, 2017, 37(1): 205-211. HUANG Miaofen, XING Xufeng, SONG Qingjun, et al. New Algorithms to separate the contribution of petroleum substances and suspended particulate matter on the scattering coefficient spectrum from mixed water[J]. Spectroscopy and Spectral Analysis, 2017, 37(1): 205-211. |
| [8] |
GITELSON A. The peak near 700 nm on radiance spectra of algae and water: Relationships of its magnitude and position with chlorophyll concentration[J]. International Journal of Remote Sensing, 1992, 13(14): 3367-3373. |
| [9] |
MA C Y, XU S, WANG H S, et al. A real-time photo-realistic rendering algorithm of ocean color based on bio-optical model[J]. Journal of Ocean University of China, 2016, 15(6): 996-1006. DOI:10.1007/s11802-016-3037-2 |
| [10] |
SUNDARABALAN V B, SHANMUGAM P, AHN Y H. Modeling the underwater light field fluctuations in coastal oceanic waters: Validation with experimental data[J]. Ocean Science Journal, 2016, 51(1): 67-86. DOI:10.1007/s12601-016-0007-y |
| [11] |
PAHLEVAN N, SCHOTT J R, FRANZ B A, et al. Landsat 8 remote sensing reflectance (Rrs) products: Evaluations, intercomparisons, and enhancements[J]. Remote Sens Environ, 2017, 190: 289-301. DOI:10.1016/j.rse.2016.12.030 |
| [12] |
黄妙芬, 骆蔚健, 刘杨, 等. 应用Hydrolight模式研究含油水体辐射传输特性的关键技术[J]. 海洋技术学报, 2019, 38(3): 7-14. HUANG Miaofen, LUO Weijian, LIU Yang, et al. The key technology for studying the radiation transmission characteristics of petroleum-polluted water using the Hydrolight mode[J]. Journal of Ocean Technology, 2019, 38(3): 7-14. |
| [13] |
CHARLES L G. Partitioning spectral absorption in case 2 waters: discrimination of dissolved and particulate components[J]. Applied Optics, 2002, 21(41): 4220-4233. |
| [14] |
宋庆君, 唐军武. 黄海、东海海区水体散射特性研究[J]. 海洋学报(中文版), 2006, 28(4): 56-63. SONG Qingjun, TANG Junwu. The study on the scatteringproperties in the Huanghai sea and east China sea[J]. Acta Oceanologica Sinica, 2006, 28(4): 56-63. DOI:10.3321/j.issn:0253-4193.2006.04.008 |
| [15] |
黄妙芬, 刘杨, 邢旭峰, 等. 大连港海域油含量时空变化特征分析[J]. 大连海洋大学学报, 2020, 35(2): 273-279. HUANG Miaofen, LIU Yang, XING Xufeng, et al. Analysis of temporal and spatial variation of petroleum content in Dalian port[J]. Journal of Dalian Ocean University, 2020, 35(2): 273-279. |
| [16] |
SL366-2006. 水质石油类的测定分子荧光光度法[S]. SL366-2006. Water quality-Determination of petroleum oil-moleclar fluorescence spectrometric method[S]. |
| [17] |
唐军武, 田国良, 汪小勇, 等. 水体光谱测量与分析Ⅰ: 水面以上测量法[J]. 遥感学报, 2004, 8(1): 37-44. TANG Junwu, TIAN Guoliang, WANG Xiaoyong, et al. The methods of water spectra measurement and analysisⅠ: Above-Water method[J]. Journal of Remote Sensing, 2004, 8(1): 37-44. |
| [18] |
黄妙芬, 唐军武, 宋庆君. 石油类污染水体吸收特性分析[J]. 遥感学报, 2010, 14(1): 131-147. HUANG Miaofen, TANG Junwu, SONG Qingjun. Analysis of petroleum-polluted water absorption spectral properties[J]. Journal of Remote Sensing, 2010, 14(1): 131-147. |
| [19] |
国家海洋局908专项办公室. 海洋光学调查技术规程[M]. 北京: 海洋出版社, 2006: 8-11. 908 special office of State Oceanic Administration. The technical regulations for oceanographic optical survey[M]. Beijing: China Ocean Press, 2006: 8-11. |
| [20] |
BRICAUD A, BABIN M, MOREL A, et al. Variability in the chlorophyll-specific absorption coefficients of natural phytoplankton: Analysis and parameterization[J]. Journal of Geophysical Research, 1995, 100(C7): 13321-13332. DOI:10.1029/95JC00463 |
| [21] |
宋庆君, 黄妙芬, 唐军武, 等. 水中石油类含量对后向散射系数光谱的影响[J]. 光谱学与光谱分析, 2010, 30(9): 2438-2442. SONG Qingjun, HUANG Miaofen, TANG Junwu, et al. Influence of petroleum concentration in water on spectral backscattering coefficient[J]. Spectroscopy and Spectral Analysis, 2010, 30(9): 2438-2442. DOI:10.3964/j.issn.1000-0593(2010)09-2438-05 |
| [22] |
黄佳慧, 段洪涛, 马荣华, 等. 基于Hydrolight的太湖水体区域化固有光学模型参数率定与验证[J]. 中国科学院大学学报, 2014, 31(5): 613-625. HUANG Jiahui, DUAN Hongtao, MA Ronghua, et al. Study on regional parameters of radiative transfer simulation based on Hydrolight in Taihu Lake[J]. Journal of University of Chinese Academy of Sciences, 2014, 31(5): 613-625. |
| [23] |
MOBLEY C, GENTILI B, GORDON H, et al. Comparison of numerical models for computing underwater light fields[J]. Applied Optics, 1993, 32: 7484-7504. DOI:10.1364/AO.32.007484 |
| [24] |
PETZOLD T J. Volume Scattering Functions for Selected Ocean Waters[R]. San Diego: Scripps Institute of Oceanography, 1972: 72-78.
|
| [25] |
李云梅, 王桥, 黄家柱, 等. 太湖水体光学特性及水色遥感[M]. 北京: 科学出版社, 2010: 129. LI Yunmei, WANG Qiao, HUANG Jiazhu, et al. Optical properties and Remote sensing of water color of Taihu Lake[M]. Beijing: Science Press, 2010: 129. |
| [26] |
POPE R M, FRY E S. Absorption spectrum (380-700 nm) of pure water. Ⅱ. Integrating cavity measurements[J]. Applied Optics, 1997, 36(33): 8710-8723. DOI:10.1364/AO.36.008710 |
| [27] |
RUDŹ K, DARECKI M, TOCZEK H. Modelling the influence of oil content on optical properties of seawater in the Baltic Sea[J]. Journal of the European Optical Society-Rapid Publications, 2013, 8: 13063. DOI:10.2971/jeos.2013.13063 |